一句话定义
潜狄利克雷分配（Latent Dirichlet Allocation，LDA）是主题模型（topic model）的经典代表：它假设每篇文档是若干话题（topic）按不同比例的概率混合，而每个话题是词汇表上的一张概率表；只看到文字本身，就能反推出这套混合比例和词表。
它怎么"生成"一篇文章
想象一个编辑部。每个记者（对应一篇文档）动笔前，脑子里有一张选题配比表：七成写体育、三成写财经。每个选题（对应一个话题）有一本常用词手册：体育选题里"球员""客场""比分"概率高，财经选题里"利率""财报""融资"概率高。写稿时，记者对每一个词先按配比掷骰子抽一个话题，再从该话题的词手册里抽一个词，重复到成文。
LDA 把上面这套流程写成了概率公式，但我们只看得见成稿，所以要做"逆向工程"：用吉布斯采样（Gibbs sampling）或变分推断等方法，去猜最可能产生这些文字的配比表和词手册。
Dirichlet 分布在这里的角色是"描述比例的分布"。配比表也好、词手册也好，本质都是一组概率，而 Dirichlet 恰好刻画"一组比例该怎么随机取"，并且天然偏好平缓、不极端的取值，相当于给模型加了一层温和的先验约束——名字里的 Dirichlet 就来自这里。
和相邻概念的区别
| 对比对象 | 关键差异 |
|---|---|
| k-means 这类硬聚类 | 一篇文档只归一个簇；LDA 给的是"70% 体育 + 30% 财经"式的软分配 |
| 潜在语义分析（Latent Semantic Analysis，LSA）、非负矩阵分解 | 本质是矩阵分解，没有生成故事；LDA 是概率生成模型，输出可读性更强 |
| pLSA | 把"文档—话题"分布当固定参数，文档越多参数越多、新文档要重训；LDA 把它当随机变量，对新文档也能做推断 |
对从业者意味着什么
LDA 的卖点是"无标注也能分类"：不需要人工打标签，只要一批文本，就能得到每篇文档的话题分布——新闻自动归类、论文检索、客服工单分流、用户兴趣画像、推荐冷启动都用得上；而且话题以"高概率词"的形式输出，业务同事可以直接给它起名字。
几个实践提醒：话题数 K 要人工设定，常见做法是试几个值，用困惑度（perplexity）或话题一致性（coherence）比较，也可用层级狄利克雷过程（Hierarchical Dirichlet Process，HDP）这类非参数变体自动定 K；它是词袋（bag-of-words）模型，忽略词序，对短文本和"手机／iPhone"这类语义近义词不友好，所以如今常被神经主题模型替代。但作为理解生成式模型、贝叶斯推断与无监督学习的入门样本，它依然值得细读一遍。